摘　要：精准扶贫政策的实施是我国扶贫战略的重大转型，而目前精准扶贫工作还存在着扶贫对象不精准、帮扶措施缺乏针对性、扶贫效果无法跟踪等问题，造成上述问题的根源就在于扶贫开发中数据获取难、分析难和管理难。而当前社会普遍关注的互联网+和大数据或许可以为解决上述问题提供一种有效地思路。本文主要探讨大数据对精准扶贫的作用以及大数据在甘肃和贵州扶贫开发工作中的应用，最后针对大数据时代下面临的问题与挑战，提出了针对性的对策。

关键词：大数据  精准扶贫 数据采集 实践

 

    我国政府历来高度重视扶贫工作，而且经过长期努力我们也取得了较好的扶贫成绩。但是，截至2015年年底我国仍有7000多万人没有脱贫。随着减贫政策边际效应的递减，如何确保7000万人全部如期脱贫，补齐全面建设小康社会的短板，就成为当前迫切需要思考的重大问题。目前，我国扶贫方式已由从“大水漫灌”到“细水滴灌”的精准扶贫转变。精准扶贫政策的实施是我国扶贫战略的重大转型，而目前精准扶贫工作还存在着扶贫对象不精准、帮扶措施缺乏针对性、扶贫效果无法跟踪等问题，影响了扶贫工作的顺利开展。其实，造成上述问题的根源就在于扶贫开发中数据获取难、分析难和管理难。而当前社会普遍关注的互联网+和大数据或许可以为解决上述问题提供一种有效地思路。“把大数据技术运用到扶贫领域，通过扩大信息采集渠道、提高数据分析能力和加工效率，为扶贫决策提供精准、有效、可靠的数据支持，是我们顺利啃下‘脱贫攻坚’这块硬骨头的有效方法[[1]]”。

    大数据为精准扶贫提供了新的理念和技术支持，成为精准扶贫工作的一个有效抓手，因此，如何积极利用大数据技术快速、便捷和高效的优势，实现精准扶贫工作所要求的“精准识别、精准帮扶、精准管理和精准考核”，助力政府精准扶贫、精准脱贫，是一个值得思考和研究的课题。

    一、理论探索：大数据提高了精准扶贫的精准度

    精准识别是精准扶贫的首要环节，只有弄清楚谁是真正的贫困人口、真正的贫困原因，才能为每个贫困户制定可行性的、有针对性的扶贫措施。但由于诸多因素使得瞄准问题一直悬而未决。首先，由于贫困人口整体数据的缺失，使得贫困人口的规模难以确定。按照精准扶贫工作方案的相关规定，各省份贫困人口的确定是以国家统计局发布的2013年底全国农村贫困人口规模为基数，根据实际贫困状况，可在国家发布数基础上上浮10%左右确定的。也就是说，贫困人口的规模不是依靠科学的精准识别出来的，而是基于省级扶贫部门测算结果按照比例“制造”出来的，然后按到市到县、到乡到村的方式自上而下逐级分解。因而各地方所获得的贫困村和贫困人口的指标(数量）可能会与实际情况有所出入。调研显示，经过测算所获得的贫困村（户）指标数量显著低于实际数量。“2014年云南省龙陵县建档立卡认定（也即上级分配）的贫困人口为49883人，但该县按国家贫困标准普查后的贫困人口高达12.59万人，建档立卡数远不能覆盖所有贫困人口[[2]]”。实行贫困人口指标分配的做法，很重要的原因就在于政府职能部门缺乏贫困人口的第一手数据资料，只能从宏观层面估算贫困人口规模，再以行政方式分配到各地方。

    其次，由于数据的缺失，贫困识别的标准较为单一，使得贫困人口的数量较难确定。精准识别工作方案规定以2013年农民人均纯收入2736元为国家农村扶贫识别标准。在实际操作过程中，虽然很多地方否附加了一些其他的识别标准，但是整体来说，更多的还是以收入的多少来衡量贫困的程度。然而贫困具有多维、复杂性和动态性的特征。因此，不能仅仅按照收入的多少来界定，尤其是近些年来随着家庭收入的增长，家庭用于教育、健康和住房等方面的支出不断增加，消费性支出的不断攀升也使得家庭出现了不同程度的贫困。由于缺乏对贫困家庭全方位数据的把握，基于效率成本的考量，也只能采取以收入作为识别贫困人口的最主要的标准。

    大数据时代下，我们可以利用其先进技术有效解决对象识别和对象瞄准过程中数据缺失的问题。首先，根据各地采用的精准识别方法，把扶贫对象、贫困类型、贫困规模等第一手资料录入扶贫信息系统，建立起基本的扶贫信息大数据库，然后将大数据平台与工商、公安、卫计、民政、银行等行业部门的数据库实现对接，整合分散在不同地区和部门的碎片化信息；通过数据的交换分析，实现对贫困户的线上比对审计，进而对贫困户信息进行分类、聚类、关联规则的分析，减少人为因素的影响和失误，实现对贫困人员全面真实地识别与评估，形成最真实的贫困数据库，识别出最精准的扶贫对象。与此同时，“通过大数据技术可以通过为每一位贫困户建立‘贫困指数’，甄别出最贫困的乡、最贫困的村、最贫困的户，使贫困深度看得见、摸得着，实现由定性到定量的精准转变[[3]]”。其次，通过数据对比识别出贫困人口之后，“运用数据挖掘手段，深入分析研判扶贫信息，从中挖掘出隐含的、大量有用的元素，进一步发现信息背后潜在的规律[[4]]”，就可以掌握一个地区贫困人口的分布状况、家庭状况、贫困程度、主要致贫原因等，为其量身定制帮扶措施，实现因户施策、对症下药。最后，可以运用大数据发掘相关工具对所有的建档立卡户，进行全方位、全过程监测和跟踪，并实现脱贫退出、返贫纳入的动态管理机制，以解决“扶持谁”的问题。

    2、借助大数据技术，实现精准帮扶

    贫困人口及致贫原因识别出来以后，我们就可以针对贫困户采取定人定策的帮扶措施了。首先，利用大数据技术处理好“谁来扶”的问题。通过大数据系统，进一步明确每个贫困对象和各级责任人在扶贫系统上对应关系，可以清楚地查看帮扶干部做了哪些工作、帮扶效果如何。同时，为了促进扶贫工作的落实，还可以通过大数据“建起包括目标任务晾晒、岗位职责晾晒等系统的干部管理平台，通过每月、每周甚至每日的监督评估，作为对帮扶干部个人奖惩的依据[[5]]”。通过大数据扶贫系统，实现了干部帮扶的可视化和数字化。除了发挥政府扶贫主力军的作用之外，还可以通过大数据扶贫系统发布扶贫供需信息，广泛动员全社会力量共同参与扶贫开发，形成民营企业、社会组织和个人通过多种方式积极参与的扶贫攻坚格局。其次，利用大数据技术处理好“如何扶”的问题。依托大数据，可以为贫困地区提供信息服务，做到线上数据与具体扶贫措施比对分析，以便当地政府因地制宜、分类施策。同时，通过大数据平台，可随时准确掌握扶贫项目的效益和发挥作用情况，以便及时调整政策，避免项目失误，确保帮扶取得实效。

    大数据分析成为精准扶贫管理和考核的一个新工具，通过大数据平台可以对贫困人口状况及扶贫项目进行实时在线监测，及时更新脱贫动态，进行精细管理。一方面，大数据平台可以确保扶贫资金精准利用。通过全程留痕和数据比对，可以全面、动态地掌控扶贫项目实施与资金的使用进度情况，对扶贫领域的职务犯罪起到震慑作用，保障扶贫资金精准到位。同时，还可以根据贫困户的收入变化和扶贫项目的效益情况及时变更扶贫的标准，确保扶贫资金利用的最大化。

    另一方面，大数据平台也可以实现对贫困户的动态化管理。通过跨部门数据比对和对贫困人口家庭信息的动态跟踪，监控贫困人口的收入动态变化，将家庭收入超过贫困线标准的人口逐步退出扶贫系统，对脱贫人口出现“返贫”的及时纳入扶贫系统，形成较为完善的进退机制。“辽宁省采用大数据核查的方式对建档立卡的贫困户进行清理，发现14.7万人不是贫困人口，同时新纳入此前没有建档立卡的贫困人口3.8万人[[6]]”。在加强精准管理的同时引入第三方评估机构，发挥考核的“指挥棒”作用，对扶贫干部实施动态管理，引导贫困地区领导干部把主要精力放在扶贫开发上，对取得的扶贫成效进行科学化评估，为进一步完善精准扶贫政策提供数据支撑。

    二、实践经验：大数据在精准扶贫工作中的实践

    2015 年 9 月 10 日，甘肃省被国家扶贫办列为全国大数据平台建设试点省份，成为在全国率先探索建设精准扶贫大数据管理平台的省份。“平台是由甘肃省扶贫办牵头，发改委、财政、教育、卫生、水利等相关厅局配合，甘肃万维公司建设的中国第一个精准扶贫大数据管理平台，利用大数据和移动互联网技术建设的五级互联互通的扶贫网络，全方位全过程监管帮扶情况和帮扶成效[[7]]”。据介绍，甘肃精准扶贫大数据管理平台涵盖了扶贫对象、扶贫措施、扶贫成效、数据分析、绩效考核5个管理子系统，覆盖了省、市、县、乡、村5个层级。同年9月18日，国务院副总理汪洋在甘肃省考察精准扶贫工作时，对甘肃省用大数据手段进行精准扶贫工作给予了肯定。

    1、数据识别到人

    2015 年 6 月，甘肃精准扶贫大数据平台建设启动。同年 8月 1 日，甘肃省教育局、民政局、财政厅、发改委等十部门在深入调研分析、广泛征求意见的基础上，形成了涉及社会救助、劳动力培训、易地搬迁、教育、卫生等9项精准扶贫措施的精准扶贫户级信息采集表，并制定了《甘肃省精准扶贫大数据平台信息采集工作方案》。甘肃省投入了10万余干部，通过“一核、二看、三比、四评议、五公示（告）”的识别流程，核实完善了2014年底417万贫困人口、101万贫困户的建档立卡信息数据，精准识别出2015年度计划脱贫的26万户、110万贫困人口。同时，涉及精准扶贫方案的 23 个省直相关行业部门将“1+17”各项政策措施设计成信息采集表，分为户、村、县三级录入大数据云平台，实现对贫困户的精准掌握。“大数据还明确细化了贫困县退出的15项指标、贫困村退出的13项指标、贫困人口退出的7项指标，通过村、乡、县、市四个不同层级的验收”[[8]]，确保了扶贫识别对象的精准性。

    2、体制健全，保障大数据的真实性

    为保障大数据平台信息采集和录入的准确性，“甘肃渭源县按照‘谁的行业标准谁负责把关，谁的表格谁负责培训，谁的数据谁负责审核’和‘谁主管、谁负责，谁录入、谁负责’的原则，边采集边审核边录入[[9]]”。对采集的数据实行每一季度更新一次，确保信息数据真实准确。甘肃陇西县在对信息采集人员、录入人员、审核人员进行明确、登记、备案的基础上，建立了“三包指导”（乡镇业务专干包村、行业部门包乡镇村、扶贫部门包行业部门乡镇）和“四级审核”（村级初审、乡镇复审、行业部门联审、扶贫部门审核备案）的把关验收的工作责任落实机制。

    为保障脱贫数据的真实性，甘肃省对所有贫困建档立卡户，实行实名制管理；将出台的“3342”（村级、乡级脱贫验收“3”方责任，县级脱贫验收“4”方责任，市级脱贫验收“2”方责任）脱贫责任追究办法，一旦发现数据做假，将会逐级追究责任人的责任；甘肃省还将建立第三方评估机制，保障监督评估的客观性和真实性。通过上述责任体系的建立健全，对于防止“数字脱贫”，确保真扶贫、真脱贫，起到了重要的作用。

    3、数据平台功能完备

    甘肃省建立的精准扶贫大数据平台不仅仅是精准扶贫的重要抓手，也成为了服务群众的重要平台。以前贫困户办理贷款的时候需要家庭成员相互担保，社员五户联保，贷款的手续较多，时间较长；现在利用精准扶贫大数据平台，只要是系统内的贫困户，若提交申请，便能一次性审核通过。“借助大数据，截止2015年10月20日，马营镇为19个行政村1508户贫困户办理发放精准扶贫专项贷款7470万元，户均4.95万元。从申请办理到拿到贷款，时间不超过一个礼拜[[10]]”，大数据平台成为贫困户办事的“绿色通道”。

    大数据平台正在尝试与不同政府平台间的数据实现无缝对接，进一步为贫困户提供优惠便利。2015年，甘肃省卫计委的新农合报销平台与精准扶贫大数据云平台完成了无缝对接，只要是大数据系统内的贫困户，在医院就医时，可自动享受在原有新农合报销比例基础上再增加5%的报销比例的特殊优惠政策，大大简化了报销的流程，方便了群众。

    （二）贵州：精准扶贫大数据平台建设的标杆

    2015年11月，在贵州省第十一届六次全会上，贵州省委、省政府确定了“十三五”时期两大战略行动——大扶贫和大数据，通过这两大战略驱动，在“十三五”期间实现弯道取直建成“小康贵州” 。2015年12月25日，贵州省利用“大数据”“大扶贫”的扶贫策略，依托大数据和云计算，率先在“云上贵州”完成了“扶贫云”的基础框架搭建，初步形成了数据支撑、脱贫指挥调度、项目资金管理、工作绩效评估等数据综合管理平台，助推了贵州的精准扶贫工作，探索出‘互联网+’扶贫新模式。“贵州扶贫得到中央领导的充分肯定，为全国扶贫攻坚探索了可信可行、可学可用、可复制、可推广的‘贵州经验’，创造了精准扶贫‘贵州模式’[[11]]”，沉淀的“贵州经验”和“贵州模式”也逐渐使贵州成为全国精准扶贫工作的样板和标杆。

    “扶贫云”平台，就是以大扶贫、大数据两大战略行动为引领，与贵州省大数据办、中移在线合作，以精准扶贫、精准脱贫为目标，依托云计算等先进技术手段对精准扶贫的全过程进行大数据分析，支撑政府的扶贫决策。换句话说就是用大数据甄别贫困人口，看看贵州到底有多少贫困户、贫困村，贫困的原因是什么，做好因户施策、因人施策；管理好扶贫项目和资金、开展好贫困监测和评估工作，把帮扶措施落到位。

    1、建成基础数据支撑平台，实现“挂图作战”

首先大数据甄别贫困人口是精准识别的第一步。贵州省采用了“四看”的衡量指标来为贫困者打分。“四看法，即一看房、二看粮、三看劳动力、四看读书郎，以饼图的方式，展示省、市州、县、镇、村的情况。其中：房的饼图构成包括：人均住房30平方米以上、人均住房10—30平方米、人均住房10平方米以下；粮的饼图构成包括：2亩以上、1—2亩、1亩以下、没有耕地；劳动力的饼图构成情况包括：劳动力占家庭人口数的户数50%以上、40%、20%以下、没有劳动力；读书郎的饼图构成包括：没有负债、5000元以下、5000—10000元、10000元以上[[12]]”。“扶贫云”通过大数据将上述各项指标整合起来形成一个脱贫指数，“60分以下的是真正的贫困户，60-80分是有可能脱贫但极易返贫的贫困户，80分以上是稳定脱贫的贫困户，以此作为辅助认定贫困户的标准[[13]]”。此外，大数据系统与对教育、公安、卫计、民政等部门的数据整合，进行内、外部数据的比对，就可以实现对贫困人员较为真实地识别与评估，进而分析出贫困户的致贫原因，协助制定精准的扶贫措施。　

    通过上述努力，利用大数据技术，一张达到1:5000比例尺的贵州省“扶贫地图”就形成了，这张图可以直观地反映任意一个市、县、乡、村包含的贫困人口总数、贫困户总数、贫困发生率及贫困人口的致贫原因、帮扶情况及脱贫情况等，实现了贫困人口识别的量化、贫困程度深浅的可视化。扶贫干部就可以通过 PC 端、移动端，实现挂图分析、挂图作战。

    2、建成脱贫指挥调度、项目资金管理平台，实现精准管理

    精准识别之后，就需要制定帮扶计划、实施精准管理，促成帮扶任务的落实。贵州省通过大数据手段对责任链、任务链进行监控，紧密跟踪帮扶措施的落实情况，对没有未完成或不符合预期目标的环节提出预警。“截至目前，“扶贫云”与教育、人社部门完成了2016年16.31万高中、中高职、大专以上贫困生的信息核对工作；与民政部门完成了158万政策性保障兜底人口的衔接工作，与人社部门完成了全省农村贫困人口就业登记的比对工作，向移民部门提供了全省130万易地扶贫搬迁人口的详细分类数据[[14]]”。扶贫云采用大数据技术，建成扶贫项目申报、立项、资金拨付、监管、验收等为一体的项目资金管理平台，全面、动态地掌控扶贫项目的实施与资金的使用进度情况，最大程度的发挥扶贫资金的使用效益。截止到2015年，贵州省已将15630个到村项目纳入监管。

    扶贫云通过与贵州省行业部门实时交换涉及扶贫的数据，以GIS(地理信息系统)作为主要展示手段，“以移动终端为载体，建成以建档立卡贫困户和项目资金为重点的扶贫工作移动巡检系统。‘扶贫云’矢量模型的电子地图已经扩展到16层，达到1∶5000比例尺，对贫困户、扶贫项目的定位已精准到自然村，实现对扶贫项目随时抽查、随地核查[[15]]” 。

    甘肃和贵州作为经济欠发达的两个省份，能够依托大数据来开展扶贫开发工作，对全国其他地区是一个非常好的启示。随着“互联网 +”时代的到来，全国其他贫困地区也可以通过数据的采集，建立扶贫数据库，融合各方数据资源，发挥大数据的分析、预警、展示能力，开启大数据驱动下的精准扶贫管理的新模式。

    三、路径优化：“十三五”期间大数据应用与精准扶贫工作的推进策略

    大数据时代的来临，为完善精准扶贫机制提供了新的理念和技术支持。但大数据技术应用于扶贫开发尚在探索阶段，在实际运用中还存在一些困难与挑战，还需要国家及相关职能管理部门，加强基础设施建设，出台相应的法律法规，进一步推动大数据在扶贫开发中的应用。

    思想是行动的先导，只有思想认识到位了，工作才能得到较好的落实。然而，目前部分领导对大数据等现代技术仍然缺乏全面的认识。“一项针对我国主要部委信息化部门的调查显示，近四成的负责同志并未对大数据提升业务能力予以足够重视，仅有5.6%的部门将数据分析视为业务核心竞争力[[16]]”。虽然我国部分省市已从开始研究大数据扶贫的发展战略，但在国家层面，尚未形成推进大数据应用与扶贫开发的整体思路和发展规划。所以，一是要实现统一的思想，要充分认识做好精准扶贫大数据平台建设的重要性、责任性、复杂性和紧迫性，认真研究、全力以赴抓好信息采集工作，确保各类数据准确无误。二是要加强组织领导，明确职责分工。各级政府应该成立以一把手任组长，各扶贫相关部门主要负责人参与的精准扶贫大数据管理平台信息采集工作领导小组，全面负责大数据平台的各项工作。各级扶贫部门与各行业部门要密切沟通联络、紧密配合，抓紧建立精准扶贫大数据平台。

    （二）健全保密制度，注重数据安全性

    大数据时代最大的威胁就是信息安全，大量数据的汇集不可避免地加大了帮扶对象、帮扶者隐私泄露及扶贫资金数据等敏感数据泄露的风险。国外许多发达国家都制定了针对政府信息公开、公民个人隐私方面保护的法律。而我国在法律层面关于个人信息和个人隐私保护方面的立法是欠缺的，散见在相关法律条款、行政法规和部门规章中的相关规定，约束力度又不足；关于数据所有权和使用权界定方面的法律法规也是空白。法律的空白就不可避免的加大了数据泄露和被滥用的风险。现行的大数据的分析都未考虑到其中涉及的贫困户的个人隐私问题，就贫困户而言，很多人不愿意把自己的人生数据被公之于众，尤其是一些未成年人也不应该打上贫困的烙印，然后公布于众。而把贫困者的家庭收入、家庭状况、贫困程度等抽象为数据之后一旦被大数据化或云端化，那么个人隐私泄露的风险将会随之增大。为此，在建立大数据扶贫系统之初，就应该健全保密制度，确保扶贫数据的安全。

    一是，从立法层面保障数据的安全性。虽然我国在2012年出台了《关于加强网络信息保护的决定》，但是其中只是规定了个人信息保护的基本原则，操作性不强；所以迫切需要国家加快制定涉及个人信息和个人隐私保护方面的数据采集、使用的法律法规，明确数据的公开条件、范围和保障，明确数据拥有者、使用者等各方的权利义务，明确个人信息和隐私权受到侵犯时的法律救济问题。

    二是，在立法、司法和执法环节中加大对泄露、窃取个人信息和个人隐私的打击力度，引入惩罚性赔偿制度，加大泄露、窃取个人信息和个人隐私的违法成本。

    三是，加大对大数据的有效监管。要逐步构建国家部委行业和行政区域组成的矩阵式监管领导小组，实现对数据信息整个生命周期的全程监管；严格落实对大数据应用的事前审批制度；根据不同的工作职能和部门等级设置不用的管理权限，上级部门可以检查下级部门的工作实施情况。同时发挥大数据商的行业自律作用，形成行业内互相监督，实现政府监管和行业自律共同发力的监管机制。

    （三）加大人才培养力度，为大数据扶贫提供人才支撑

    大数据精准扶贫系统建好之后要会用、用好，这就要求必须有专业人员参与营运管理。大数据人才是复合型人才，需要综合掌控数学、统计学、人工智能、人文社会科学等多个领域的技能和知识。这样的技术人才比较缺乏，据专家粗略估我国大数据分析专业人才缺口为100万人。为此建议：

    一是，建议国家实施大数据人才战略。加大对大数据人才培养的投入力度，将培养引进高层次大数据安全创新创业人才纳入“国家高层次人才特殊支持计划”，建立数据分析师等职业资格认证体系；加大安全技术和基础设备方面的投入研发力度。

    二是，依托高校培养大数据人才。在高校、职业院校开设大数据相关课程、专业方向和学位，注重跨学科的复合型人才培养，并将大数据相关专业列入紧缺人才专业方向目录。

    三是，鼓励企业与高校及培训机构合作培养大数据人才。积极支持大数据企业与高等院校、科研机构、职业培训机构合作建立教育实践和培训基地，探索“人才＋项目＋团队”、“人才＋基地”等人才培养新模式，构建大数据技术的“政、产、学、研、用”的联动机制。

    四是，政府部门在积极培育、引进大数据精准扶贫专业技术人才，充实机关信息系统专业人才队伍的同时，也应该展开针对性的培训工作。各级政府部门应该选派业务能力、学习能力较强的同志积极参加大数据业务培训工作，使其准确掌握精准扶贫数据的信息采集、录入、分析等系统操作业务，保证大数据系统的稳定运行。

精准扶贫大数据平台建设是保证精准脱贫、全面建成小康社会的一项长期性工作，必须要有效的工作制度作保证。

    一是，建立稳定可靠地数据采集制度。数据真实、有价值才是大数据系统的生命，只有数据真实，才能为精准扶贫工作决策提供可靠地依据。精准扶贫信息采集涉及的指标多、范围广、信息量大，各级政府要有专门的办公场所和专业的负责人员，确保工作有人管、不脱节；对数据的采集形成“谁主管、谁负责，谁录入、谁负责”的信息数据负责机制；建立数据的定期上报制度，确保数据的及时更新。

    二是，建立数据共享制度。“中国政府习惯的是全能型的社会管理模式，政府部门之间条块分割，各部门之间都存在一定的利益驱使，因此虽然大规模的数据在被政府采集，但大部分的数据都仅能在部门内部使用，没有开放共享，价值没有得到很好利用[[17]]”。所以，我们要逐步打破阻碍数据流动的樊篱，实现各部门数据的交流共享。定期召开跨部门协调会议，研究部署各部门信息资源共享与交换的相关问题，指导各部门数据的共享共建，推进跨部门、信息资源整合共享。

    三是，完善精准扶贫制度。大数据不过是用来分析贫困状况的工具，而真正帮助贫困户脱贫致富的，还是需要依靠大数据之外的制度建设。针对目前各地实施精准扶贫制度过程中存在的问题，找准造成上述问题的原因，进一步对精准扶贫制度进行修改完善。

 

---